林业科学  2013, Vol. 49 Issue (7): 99-105   PDF    
DOI: 10.11707/j.1001-7488.20130714
0

文章信息

李永亮, 鞠洪波, 张怀清, 蒋娴, 刘海
Li Yongliang, Ju Hongbo, Zhang Huaiqing, Jiang Xian, Liu Hai
基于林分特征的林木个体信息估算可视化模拟技术
Visual Simulation of Individual Tree Information Estimation Based on Stand Characteristics
林业科学, 2013, 49(7): 99-105
Scientia Silvae Sinicae, 2013, 49(7): 99-105.
DOI: 10.11707/j.1001-7488.20130714

文章历史

收稿日期:2012-08-21
修回日期:2012-10-31

作者相关文章

李永亮
鞠洪波
张怀清
蒋娴
刘海

基于林分特征的林木个体信息估算可视化模拟技术
李永亮, 鞠洪波, 张怀清, 蒋娴, 刘海    
中国林业科学研究院资源信息研究所 北京 100091
摘要:以湖南攸县黄丰桥国有林场为试验区,以6块典型的杉木人工同龄纯林为研究对象,研究林木径阶与其Voronoi多边形面积间的对应关系。以模拟样地为例,在林木株数、林分算术平均胸径与样地大小设定的前提下,研究林木空间分布格局特征,建立计算机模拟点阵生成算法;利用Weibull分布模型对样地内林木径阶分布进行估算,根据林木Voronoi多边形面积与其径阶间的对应规律,对林木胸径进行分配,参考林木测树因子估计模型对林木树高与冠幅因子进行估算;采用Arcgis Engine 10开发技术,开发样地Voronoi多边形分析模块,结合GDI+与MOGRE技术,建立基于林分特征的林木个体信息估算可视化模型。结果表明:林木Voronoi多边形面积的算术平均值与所对应径阶间总体呈正相关关系;林木空间格局生成算法高效且适用;林木胸径因子分配考虑了空间环境的影响,贴近林木生长规律;可视化模拟技术可直观表现以上过程与结果,增强可操作性。此方法可用于解决由林分整体特征估算林木个体信息的难题,可为林业科学研究提供基础数据,可为森林可视化模拟提供技术参考。
关键词林分特征    个体信息    Voronoi图    估算    可视化模拟    
Visual Simulation of Individual Tree Information Estimation Based on Stand Characteristics
Li Yongliang, Ju Hongbo, Zhang Huaiqing, Jiang Xian, Liu Hai     
Research Institute of Forest Resources Information Techniques, CAF Beijing 100091
Abstract: Individual tree information is significant to the study of stand growth, stand structure, stand management and stand visualization. The Huangfengqiao State-Owned Forest Farm in Hunan Province was selected as a test area. Six typical and pure Chinese fir plantations of the same age were chose as the research objects. The corresponding relationship between the diameter class and the Voronoi polygon area was studied. The following works were carried out by taking simulated plots for example and setting the tree number, the stand arithmetic mean DBH and the plot size. By researching the tree distribution pattern, the generation algorithms of lattices were established. The diameter class distribution was estimated by using the Weibull distribution model. According to the law between the Voronoi polygon area and the diameter class, the diameter class was allocated. The tree height and crown were estimated based on the models of the tree-measuring factors. The visual model of individual tree information estimation based on stand characteristics was established by using GDI+, MOGRE and Arcgis Engine10 development technology that could analyze the Voronoi polygon in the plot. The results showed that there was a positive correlation between the arithmetic mean of Voronoi polygon area and the diameter class, that the generation algorithms of tree distribution patterns were efficient and applicable, that because the allocation of diameter class referred to the impact of space environment, it was closed to the law of tree growth, and that the visual simulation technique could directly express all the processes and the results and enhance the maneuverability. This method that can solve the difficult problem of individual tree information estimation based on stand characteristics can provide the underlying data for forest research and the technical reference for forest visual simulation.
Key words: stand characteristics    individual information    Voronoi diagram    estimation    visual simulation    

森林资源管理中的信息可视化是当前林业科学领域的研究热点之一。可视化是以计算机图形、图像和动画等方式表现数学模型仿真的结果(宋铁英,1998)。利用可视化技术模拟森林资源现状及变化,可为林业科研和生产活动提供直观、形象、全新的模拟平台(吴学明,2012),随着对森林特征与变化规律研究的深入,可视化模拟技术已成为解决关键问题的重要科学手段。林木个体信息是指林木的空间位置分布与其胸径、树高、冠幅等各项测树因子特征。在有关森林研究的各项领域中,林木在水平地域上的分布及林木各属性的分布信息越来越重要(Gadow et al.,1998 ; Pretzsch,2001)。林木空间分布格局是种群生物学特性、种内与种间关系以及环境条件综合作用的结果,是研究种群空间属性与基本数量特征的重要方面,既可以对种群的水平结构进行定量描述,也能够说明种群和群落的动态变化。其基本的分布类型有3种: 均匀分布、随机分布与聚集分布。 Penttinen等(1992)利用 Gibbs-过程、Pretzsch(1997)采用结构模拟器 Strugen、 Pommerening(1998)通过研建森林资源清查数据系统整体界面(ISIS)、Biber(1997)根据分层控制法、 Hui等(2003)建立了林木分布格局优化目标方程、 舒娱琴(2004)依据林木初植方式与小班边界相结合的方法以及朱磊(2011)系统论述了不同林木空间分布格局的特征,对林木空间分布格局模拟方法进行了相关研究。但上述各种方法或者多数建立在随机分布模板上,致使其有效性较低; 或者其先决条件难以满足,模型使用具有一定的局限性; 又或者其方法复杂,模拟效率较低。林木测树因子与其坐标的对应分配技术也是一项热点研究内容。徐海(2007)根据已有的林分空间结构优化目标模板对样地内林木大小比数进行了优化研究。朱万才(2007)贺珊珊(2009)参考林分结构规律,利用随机算法实现了林木测树因子与其坐标的对应。王英华(2010)结合蒙特卡罗原理与空间自相关定量分析,通过生成大量的随机数建立了林木坐标与树高匹配算法。上述各方法或者其先决条件具有局限性,或者在遵循林分结构规律的基础上,只保证了林分具有相同的统计特征,可能违背林木生长规律,或者随机性太强。单株林木特征信息为更好地模拟林木竞争与生长、分析林分空间结构特征、制定林分经营措施、实现逼真的林分环境可视化模拟提供了必要的基础信息。林分整体特征易于获取,但无法准确估计单株林木的具体信息,而实测林分内各林木的坐标位置和属性空间分布又要花费大量的人力与财力。本研究试图解决这一矛盾,在建立林木空间分布格局模拟算法的基础上,研建符合林木生长规律的林木测树因子分配模型,实现由林分特征到林木个体信息估算的可视化模拟。

1 材料与方法 1.1 试验材料

以湖南攸县黄丰桥国有林场为试验区。该林场呈带状横跨于株洲攸县东西部,113 ° 04 '—113 ° 43 ' E,27 °06 '—27 °04 'N,属亚热带季风湿润气候区,年平均气温17.8 ℃,降水量1 410.8 mm,平均日照时间1 612 h,无霜期292天左右。境内以中低山貌为主,森林覆盖率达90.07 % 。选择6块典型的杉木(Cunninghamia lanceolata)人工同龄纯林为研究对象,对样地内林木(包括未达到起测径阶的林木)进行胸径或地径检尺,采用全站仪测定每株林木的位置坐标。表 1列出了6块样地的部分林分特征。

表 1 样地林分特征 Tab.1 Stand features of plots
1.2 研究方法 1.2.1 Voronoi 图

Voronoi 图是以诸多地理空间实体作为生长目标,按距离每一目标最近原则,将整个连续空间剖分为若干个 Voronoi 多边形,每个Voronoi 多边形只包含一个生长目标(陈军等,2003)。生存面积指数 APA 就是以树木为离散点所生成的 Voronoi 多边形的面积来表示目标树可利用的生存空间的大小。利用 GIS 的分析功能生成样地的 Voronoi 图,研究各样地内林木 Voronoi 多边形面积与林木胸径间的对应变化规律,建立基于林木 Voronoi 多边形面积的胸径分配可视化模型。 Voronoi 图如图 1所示。

图 1 Voronoi 图 Fig. 1 Voronoi diagram
1.2.2 林分直径分布模型

对于没有遭受严重自然灾害和人为干扰的同龄纯林,其林木特征因子会产生某些差异,这些差异稳定地遵循一定的规律,即直径正态分布规律(Hyink et al.,1983)。选择一个合适的概率密度函数,对直径分布模型的建立和使用起着至关重要的作用。选用最适合估计同龄纯林直径分布的 Weibull 分布来描述杉木人工林直径分布规律。林分算术平均胸径和林分平均胸径间有着密切的线性关系,可表达(张惠光,2004)如下:

$ \bar{D}=-0.36756+1.01301{{D}_{g}}。 $ (1)

式中:D为林分算术平均胸径;Dg为林分平均胸径。

根据林分内算术平均胸径估计林分平均胸径,结合林木总株数,利用 Weibull 分布模型,采用参数回收技术建立直径分布模型,对林分内林木径阶分布进行估算,使模拟林分与现实林分具有相同的径阶分布统计特征。

1.2.3 林木测树因子估计模型

杉木人工林树高与胸径相关模型可表达(吕勇等,1999)为:

$ H=0.4921\times S{{I}^{0.5309}}{{D}^{2/3}}。 $ (2)

杉木人工林胸径与冠幅面积相关模型可表达(沈国舫,2001)为:

$ CW=D/\left(2.8617-0.3498D \right)。 $ (3)

式中:SI为地位指数;D为胸径;H为树高; CW 为冠幅面积。

以林木胸径为自变量,对林木树高与冠幅面积(以冠幅为直径所构成圆的面积)进行估计,为实现林分现状模拟提供必要的林木测树因子信息。

1.2.4 可视化模拟技术

基于C#开发语言,采用 VS2008集成开发环境,结合 GDI + 技术、ArcgisEngine10组件开发包和开源图形引擎 MOGRE 作为本研究中的可视化模拟关键技术。

GDI + 是. NET Framework 的绘图技术,它将应用程序与图形硬件隔离,利用它可以创建图形、绘制文本以及将图形图像作为对象操作,并且可在 Windows 窗体和控件上呈现图形图像。借助此项技术将林木坐标位置与其部分测树因子信息以二维图像的形式绘制在窗体中。Arcgis Engine 是基于 COM 技术的可嵌入组件库和工具包,为开发人员创建新的或扩展已有的桌面应用程序提供了技术支持,可将 GIS 功能嵌入到已有的应用系统中。采用此项手段实现林木 Voronoi 多边形面积计算,并将其同样以二维图像的形式绘制在窗体中。

面向对象图像渲染引擎 OGRE(object-oriented graphics render engine)是用 C + + 开发的面向对象3 D引擎(刘海,2010)。 MOGRE(managed OGRE)是对 OGRE 的一个封装,使得其可以使用 C#进行开发。此引擎对更底层的系统库 Direct3 D和OpenGL的使用细节进行了抽象和封装,并提供了基于现实世界对象的接口和其他类,支持多种模式的三维模型,可轻松实现三维场景的可视化模拟。

研究所采取的技术路线如图 2所示。

图 2 流程图 Fig. 2 The flowchart
2 过程与结果 2.1 林木 Voronoi 多边形面积与林木胸径对应关系 2.1.1 样地 Voronoi 多边形面积

根据实测6块样地的位置坐标信息,利用 GIS 的分析功能,计算各样地的 Voronoi 多边形面积。在不改变林分结构、保证数据量的情况下,为避免样地边缘木对统计 Voronoi 多边形面积带来的影响,在样地内自由圈定目标树,尽量减少边缘木的影响。各样地 Voronoi 图如图 3所示。

图 3 样地 Voronoi 图 Fig. 3 Voronoi diagrams of plots a: 样地1 Plot 1 ; b: 样地2 Plot 2 ; c: 样地3 Plot 3 ; d: 样地4 Plot 4 ; e: 样地5 Plot 5 ; f: 样地6 Plot 6 .

图 3中黑色边框内的林木即为样地中参与 Voronoi 多边形面积计算的林木。其中: 样地1为414株,面积为1 565.5m2; 样地2为335株,面积为1 462.6m2; 样地3为216株,面积为1 256.6m2; 样地4为161株,面积为1 798.7m2;样地5为129株,面积为1 634.1m2; 样地6为208株,面积为2 501.9m2

2.1.2 林木 Voronoi 多边形面积与林木胸径间关系

以2 cm 为径阶距,采用上限排外法划分样地内各林木径阶,以同一径阶的所有 Voronoi 多边形面积的算术平均值作为此径阶所对应的 Voronoi 多边形面积。6块样地二者间的线性相关关系散点图如4所示。

图 4发现,样地1的 R2最大,达到0.860 7,样地4的 R2最小,为0.568 1 。样地内林木 Voronoi多边形面积的算术平均值与其径阶的对应关系虽然有波动,但总体呈正相关关系,即随林木 Voronoi 多边形面积的增大,径阶也呈增大态势。由此,为建立基于林木 Voronoi 多边形面积的胸径分配可视化模型提供了基础。

图 4 面积与径阶的关系 Fig. 4 The correlation between area and diameter class a: 样地1 Plot 1 ; b: 样地2 Plot 2 ; c: 样地3 Plot 3 ; d: 样地4 Plot 4 ; e: 样地5 Plot 5 ; f: 样地6 Plot 6 .
2.2 林木空间分布格局生成算法

对于空间格局模拟中的林木位置,通常是将单株木的实际坐标转换成屏幕坐标进行模拟,然而这种做法只能局限在小面积的可调查林分中。利用计算机算法生成遵循林分结构规律的均匀、随机和聚集分布点阵,可弥补缺乏单株木位置信息的不足,使实现大区域林木空间分布格局模拟成为可能。

本研究以边长为50.0 m 的正方形样地、林木总株数425株、林分算术平均胸径14.6 cm 为例(参数可自由设定)开展模拟试验。

2.2.1 均匀分布

均匀分布中,种群个体都是等距离分布的,或者个体之间保持均匀的距离,种群各处的密度相等,是分布格局中最为简单和规则的分布形式。根据已知的样地面积与林木株数,将样地分为面积均等的网格,网格的边长D= sqrt(S 样地面积 / N 林木总株数)即为林木间距离; 以每个网格的中心坐标作为林木初始坐标 xy; 在[-0.2,0.2]之间生成2组随机数R1R2,初始坐标xy分别加上DR1DR2即为所模拟的林木实际坐标; 对实际与计划模拟的林木总株数及林木坐标进行检验,确保一致且分布在样地内。

2.2.2 随机分布

随机分布是指每一个个体在种群各个点上具有同等的出现机会。因林木个体的地理坐标相互之间没有联系,故在样地边界范围内逐个个体分配坐标即可。根据已知的样地边长与林木株数,在[0,1]区间内生成2组随机数,分别与样地边长做乘法运算,其值即为所模拟林木的实际坐标。

2.2.3 聚集分布

聚集分布中,种群个体分布极不均匀,各处的密度相差很大,常成簇、块状群密集分布。根据已知的林木株数计算聚集中心个数,按照均匀分布的算法,得到聚集中心坐标,并以此作为林木位置坐标; 设定剩余林木个数均等的分布在聚集中心周围,参照随机分布算法,模拟聚集中心周围的林木坐标; 对实际与计划模拟的林木总株数及林木坐标进行检验,确保一致且分布在样地内。

2.3 基于林木 Voronoi 多边形面积的测树因子分配 2.3.1 模拟样地 Voronoi 多边形面积

处于样地边缘的林木空间结构单元是不完整的,会给分析带来误差,称之为边缘效应(郝月兰等,2011)。为消除边缘影响,必须进行边缘矫正。本研究采用8邻域法在模拟样地的上、下、左、右、左上、右上、右下、左下这8个邻域复制原样地,形成新的9块相同样地组成的大样地。采用 Arcgis Engine10开发技术,导入大样地林木坐标,利用凸包插值算法构建 Delaunay 三角形,对每株林木相邻的三角形进行逆时针排序,计算每个三角形的外接圆圆心,按顺序连接这些圆心,以生成 Voronoi 多边形,并对大样地的 Voronoi 多边形面积进行计算,由此提取原模拟样地(位于中间)的 Voronoi 多边形面积。均匀分布、随机分布和聚集分布的 Voronoi 图如图 5所示,黑色边框即为原模拟样地边界。

图 5 模拟样地 Voronoi 图 Fig. 5 Voronoi diagrams of simulated plots a: 均匀分布 Uniform distribution; b: 随机分布 Random distribution; c: 聚集分布 Aggregation distribution.
2.3.2 林木测树因子分配与样地可视化

在已知样地林木总株数与算术平均胸径的前提下,利用 Weibull 分布模型对样地内林木径阶分布进行估算; 计算样地内各林木的 Voronoi 多边形面积,并由大到小排序,根据林木 Voronoi 多边形面积与径阶总体呈正相关关系(林木 Voronoi 多边形面积越大所对应林木径阶越大),结合已有的林木径阶分布特征,对各林木胸径进行对应分配; 参考林木测树因子估计模型对林木的树高与冠幅因子进行估计。由此,为单株木模拟提供了必要的胸径、树高与冠幅因子。采用可视化模拟技术对模拟样地进行可视化模拟,均匀分布、随机分布和聚集分布的可视化模拟结果分别如图 6 abc 所示,外界边框代表样地边界,黑色实心圆的中心坐标代表树木空间位置,直径代表林木胸径。

图 6 模拟样地二维三维视图 Fig. 6 Dand 3 Dviews of simulated plots a: 均匀分布 Uniform distribution; b: 随机分布 Random distribution; c: 聚集分布 Aggregation distribution.

结合图 6 abc 发现: 此技术可对林木空间分布格局进行直观、逼真的模拟,林木测树因子分配算法更加合理,更加符合林木生长规律。

3 结论与讨论

1)根据林木空间分布格局(均匀、随机及聚集分布)特征,对其创建了模拟算法,此算法具有简单、高效与适用性强的特点。通过分析实测样地林木 Voronoi 多边形面积均值与其对应径阶间的对应变化规律,结合 Weibull 分布模型,为只有林木空间分布(林木位置)已知的情况下建立胸径分配方法提供了方法参考。此方法避免了随机性,不仅遵循了林分直径分布规律,保证了林分统计特征的一致性,而且在空间上考虑了周围林木对其造成的影响,使林木胸径因子在空间分配上更加合理,更加贴近林木生长规律。可视化模拟技术为基于林分特征的林木个体信息估算方法、过程与其结果提供了直观的表达手段,具有更强的可操作性。

2)随着森林资源各项研究工作的深入,准确获取林木个体信息显得极为必要。详实的林木个体信息是研究林分及林木空间结构的基础,可为研建新一代单木生长模型提供新的数据材料,可为选择林分经营措施、建立林分经营措施模型与开展具体实施提供技术指导。然而,开展实地调查来获取大区域林木空间分布格局及其属性的空间分布信息是一项不切实际的工程,研制一套由林分整体特征提取林木个体信息的模型就显得极具意义。本研究所提出的方法正是解决这一难题的有效手段,此方法针对同龄纯林适用于多种数据源,只需少量的林分特征因子,即可获知林木较详细且真实的个体信息。

3)森林可视化模拟技术是林业信息化建设的关键技术与核心内容。森林资源经营管理是一项复杂的系统工程,具有功能多样性、动态性和周期长的特点,必须考虑其针对性、全局性和长远性。森林可视化模拟技术可为森林资源经营管理研究提供新的技术手段与论证环境,使从宏观、微观和时空角度了解和掌握森林资源结构、生长与变化情况成为可能。林木个体信息可为森林可视化模拟技术提供基础的现状与变化数据,为实现森林实时与预测模拟提供了重要材料。

参考文献(References)
[1] 陈军, 赵仁亮,乔朝飞.2003.基于Voronoi图的GIS空间分析研究.武汉大学学报: 信息科学版, 28(特刊): 32-37.(1)
[2] 贺珊珊.2009.北京山区油松人工林林分结构与生长模拟研究. 北京: 北京林业大学博士学位论文.(1)
[3] 郝月兰,张会儒,唐守正.2011.Voronoi图方法确定云冷杉林最近邻木的适用性研究.林业资源管理,(6): 51-64.(1)
[4] 刘海.2010.森林经营可视化模拟技术研究——以更新造林为例. 长沙: 中南林业科技大学硕士学位论文.(1)
[5] 吕勇,李际平,张晓蕾.1999.会同杉木人工林的树高分布模型.中南林学院学报, 19(1): 68-70.(1)
[6] 沈国舫.2001.森林培育学. 北京: 中国林业出版社.(1)
[7] 宋铁英.1998.一种基于图像的林分三维可视模型. 北京林业大学学报, 20(4): 93-97.(1)
[8] 舒娱琴.2004.基于林分生长规律的虚拟森林环境的构建研究. 武汉: 武汉大学博士学位论文.(1)
[9] 吴学明.2012.杉木人工林林分经营过程可视化模拟技术研究. 长沙: 中南林业科技大学硕士学位论文.(1)
[10] 王英华.2010.虚拟森林环境的可视化计算机仿真方法初探. 南京: 南京林业大学硕士学位论文.(1)
[11] 徐海.2007.天然红松阔叶林经营可视化研究. 北京: 中国林业科学研究院博士学位论文.(1)
[12] 张惠光.2004.杉木人工林直径分布模型. 福建林学院学报, 24(4): 335-339.(1)
[13] 朱磊.2011.杉木林分结构分布自适应可视化模拟方法研究. 长沙:中南林业科技大学硕士学位论文.(1)
[14] 朱万才.2007.樟子松人工林林分三维可视化的研究. 哈尔滨: 东北林业大学硕士学位论文.(1)
[15] Biber P. 1997. Analyse verschiedener Strukturaspekte von Waldbeständen mit dem Wachstumssimulator SILVA 2. Vortrag anlälich der Jahrestagung, 100-120.(1)
[16] Gadow K V, Puumalainen J. 1998. Neue Herausforderungen für die Waldökosytemplanung. AFY/Der Wald, 20: 1248-1250.(1)
[17] Hui G Y, Albert M, Chen B W. 2003. Reproduktion der baumverteilung im bestand unter verwendung des strukturparameters winkelmaβ. Allgemeine Forst u. Jagdzeitung, 174(5/6): 109-116.(1)
[18] Hyink D M, Moser J W. 1983. A generalized framework for projecting forest yield and stand structure using diameter distributions. Forest Science, 29(1): 85-95.(1)
[19] Penttinen A, Stoyan D, Henttonen H M. 1992. Marked point process in forest statistics. Forest Science, 38(4): 806-824.(1)
[20] Pommerening A. 1998. Fortschreibung von stichprobendaten mit positionsabhängigen Wuchsmodellen. Vortrag anlälich der Jahrestagung, 35-51.(1)
[21] Pretzsch H. 1997. Analysis and modeling of spatial stand structures. Methodological considerations based on mixed beech-larch stands in Lower Saxony. Forest Ecology and Management, 97(3): 237-253.(1)
[22] Pretzsch H. 2001. Modellierung des Waldwachstums. Berlin: Parey Buchverlag Berlin.(1)